微信机器人升级到结合AI决策能力，最大风险不是决策做错，是不分场景让AI自主决策。查物流AI自主决策没问题，错了重查就行；退款审批AI自主决策，错了钱退不回来。区别在于决策可不可逆——可逆决策AI自主，不可逆决策AI建议人工确认。升级的关键不是让AI决策能力多强，是划清AI自主决策和人工确认的边界，边界由决策可逆性和风险等级决定，而非由AI能力决定。

一、决策边界——可逆性和风险决定AI能自主到哪

决策按可逆性分三类。可逆决策：发消息、查订单、推推荐，做错了能撤回能补救，AI自主决策。半可逆决策：改地址、建退货单、发优惠，做错了部分能补救但有成本，AI决策后人工确认再执行。不可逆决策：退款审批、删好友、群发营销，做错了补救不了或补救成本极高，AI只给建议人工拍板。

可逆性之外还要看风险等级。同样是发消息，发普通回复可逆低风险AI自主，发包含价格承诺的消息可逆但高风险（承诺了不兑现难补救），要人工确认。决策边界由"可逆性×风险等级"二维决定，可逆低风险AI自主，不可逆或高风险人工确认。这个二维矩阵比单纯按能力分自主度更安全——AI能力再强，不可逆决策也不该自主。

二、边界动态调整——决策权限不是写死的

决策边界会变，不能写死。新业务上线初期AI决策准确率未知，边界收紧——所有决策都人工确认，AI只建议。跑一段时间数据积累后，某些决策AI准确率高了，边界放宽——这些决策AI自主。业务变化时边界要回调——大促期间退款纠纷多风险升，AI自主的退款决策收回到人工确认。

动态调整靠决策准确率数据驱动。每类决策统计AI建议和人工最终决策的一致率，一致率高的逐步放权AI自主，一致率低的保持人工确认。调整是渐进的——从"AI建议人工确认"到"AI自主执行事后抽检"到"AI自主执行"，分阶段放权而非一步到位。边界配置做成可调策略表，按数据定期调整，不写死在代码里。决策权限的动态调整在 Eyun 开发文档 中有对应接口能力。

三、决策质量回溯——自主决策做对了没有

AI自主决策的要做质量回溯。回溯不是实时监控（那会影响决策速度），是事后抽检——定期抽一批AI自主执行的决策，人工判断对错，错的归因是模型问题还是上下文问题还是边界放太宽。归因后反哺边界调整——某类决策错得多，边界收回到人工确认。

回溯的工程实现是决策日志+抽检队列。AI自主执行的决策都落日志（决策内容、上下文、执行结果），抽检队列定期取样人工评估。评估结果分三类：决策正确、决策错误可补救、决策错误难补救。后两类触发边界回调和归因分析。不做回溯的AI决策是黑盒——自主执行了多少不知道对错，放权越宽风险越大，出事才发现已经错了一堆。

AI决策边界分级对照

决策边界判定与质量回溯实现

class DecisionBoundary:
    MATRIX = {
        ("reversible", "low"):    "auto",     # 可逆低风险：AI自主
        ("reversible", "high"):   "confirm",  # 可逆高风险：人工确认
        ("semi", "mid"):         "confirm",  # 半可逆：人工确认
        ("irreversible", "high"): "suggest",  # 不可逆：AI建议
    }

    def decide(self, action, ctx):
        key = (action.reversibility, action.risk)
        mode = self.MATRIX.get(key, "confirm")
        if mode == "auto":               # AI自主执行
            self.log(action, ctx, mode)
            return action.execute(ctx)
        if mode == "suggest":            # AI建议人工拍板
            return self.to_human(action.suggest(ctx))
        return self.confirm_gate(action, ctx)  # 人工确认

    def review(self):
        # 事后抽检：取样AI自主决策评估
        samples = self.logs.sample("auto", n=100)
        for s in samples:
            verdict = self.human_judge(s)
            if verdict == "wrong":
                self.adjust_boundary(s.action)  # 边界回调

落地建议

决策边界从收紧开始——新业务所有决策都人工确认，AI只建议，跑稳了按准确率数据逐步放权。可逆性是边界的硬指标，不可逆决策不管AI多强都不自主，这一条不能破。动态调整靠数据驱动而非拍脑袋，决策一致率高的才放权，一致率低的保持人工，定期复盘边界。回溯抽检是放权的安全网——自主执行的决策都有日志可回溯，不回溯就放权等于盲飞。微信侧的动作执行、人工转接和决策日志由 Eyun 这类个人微信API平台 提供，决策边界划分和回溯抽检在自建服务实现，接口字段以平台开发文档为准。